基于谱包络非负矩阵分解的钢琴多音符估计算法.pdfVIP

音频声学 基于谱包络非负矩阵分解的钢琴多音符估计算法 万玉龙，王宪亮，周若华，颜永红 中国科学院声学研究所语言声学与内容理解重点实验室 摘要：提出了一种基于能量谱包络非负矩阵分解的钢琴多音符估计算法。首先对钢琴88 个单音片段进行RTFI时频分析，求得对应平均能量谱，经过时序平均、归一化求得平均能 量谱包络，拼接成钢琴的单音能量谱包络基矩阵。之后对测试的多音片段，采用同样处理方 法求得多音平均能量谱包络，通过非负矩阵分解求得各音符的权重系数，最后通过阈值限定 求得多音符估计结果。性能评估实验基于MAPS数据集的UCHO集和RAND集展开，与 MIREX中最好的钢琴音乐自动记谱系统相比，本文提出的钢琴多音符估计算法性能有很大幅 度的提升。 关键词：自动音乐记谱多基频估计钢琴音乐非负矩阵分解 ●o_‘‘oo●一 1 刖菁 Music 自动音乐记谱(Automatic 将音乐声学信号“理解’’为音乐符号形式，使计算机具备“听音记谱”的能力。 在音乐信号处理和分析领域中，AMT都是非常关键的技术之一，能极大方便音乐 内容分析和注释，被广泛应用于音乐节拍识别、音乐信息检索及计算机音乐辅助 教学等应用。 AMT核心任务主要包括两个：音符起始点检测和基频估计。根据同一时刻包 含的音符个数，基频估计可以分为单基频估计和多基频估计两种，其中单基频估 计算法已经相对成熟；由于多音音乐的谐波结构相对复杂，容易造成频谱重叠等 现象，因此，多基频估计一直是难度很高且亟待解决的问题。 自2007年起，在国际音乐信息检索评测(MIREX)中出现了很多种钢琴音乐 的多基频估计算法，主要分为三大类：基于特征分析的【1]、基于统计模型的和基 于矩阵分解的。其中最好的钢琴AMT系统采用的是基于特征分析的多基频估计 算法。 本文提出了一种针对钢琴音乐的多基频估计算法。算法流程图如图1所示 图1算法流程图 ．．283．． 中国科学院声学研究所纪念建所50周年暨第五届学术交流会 首先将钢琴88个单音片段进行单独处理，求得各自平均能量谱，之后求得平 均能量谱包络，进行包络归一化后拼接形成能量谱包络基矩阵，对于每个多音片 段，采用同样处理方法，求得多音平均能量谱包络，进行非负矩阵分解，求得88 个音符的能量权重系数，最后进行阈值限定，求得多音符的估计结果。 本文分为以下几个部分：第2节介绍平均能量谱包络的求解；第3节介绍钢 琴音符能量权重系数的求解；第4节介绍性能评估实验和结果；第5节是全文的 总结。 2平均能量谱包络 2．1预处理 为保证算法通用性，首先对钢琴音乐信号x【n】进行规整处理，分别采用公式 (1)和公式(2)进行直流分量去除和波形振幅规整。 x[n】-Ⅱ刀卜去∑勘】 (1) 对以1_—盟 (2) ～maxfx[n】I 这里，N代表输入信号中的样点个数。 2．2回声器时频分析 在对钢琴音乐进行时频分析时，本文选用Zhou在文献【2】中提出的回声器时 频分析(Resonator Time—FrequencyImage，RTFI)方法，计算公式如下式(3)所 示： (3) RTFI(t，缈)=x(f)幸，R(f，co)=r(∞)lx(r)e岫如叫P和p。’df 这里，，。代表一阶复数回声滤波器在频率力处的冲激响应，积分号前的r(国) 用于对频率响应进行规整，同时它也决定了指数窗的窗长和时间分辨率。实际应 用中，使用一阶数字滤波器来实